一、FLUX.1 模型简介
FLUX.1 是由 Black Forest Labs 团队研发的文生大模型，该团队核心成员为原 Stable Diffusion 项目主创人员。模型参数规模达 120 亿，采用多模态 Transformer + 扩散模型混合架构，在语义理解、图像生成表现上有显著优化。
官方共推出三个版本，定位与授权规则各不相同：
- FLUX.1 [pro]：闭源商业版本，仅支持 API 调用，图像生成质量最优；
- FLUX.1 [dev]：开放权重版本，禁止商用，生成效果接近 pro 版，支持本地部署；
- FLUX.1 [schnell]：基于 Apache 2.0 协议开源、可商用，生成速度相比 dev 版本提升约 10 倍，画质略有下降。
普通个人用户主要选择dev和schnell版本进行本地运行。
模型核心特性
- 提示词理解能力强：可精准解析包含多物体、空间位置关系的复杂描述，元素排布准确率优于同类型主流模型；
- 文字生成优化：改善传统 AI 绘图文字乱码、字符变形问题，图像内文字生成可用性大幅提升；
- 人体结构渲染改进：降低手指畸形、肢体扭曲等常见错误的出现概率；
- 分辨率适配广泛：支持 10 万～200 万像素区间、任意长宽比的图像生成，不局限于正方形画布；
- 本地离线运行：权重文件下载完成后，无需联网即可推理，适合批量生成、隐私化创作场景。
二、硬件要求说明
FLUX.1 原版模型硬件门槛较高，社区推出的 GGUF 量化版本大幅降低显存需求，同时还有 FP8 压缩版本可供选择。
1. 不同版本硬件参数
FP8 压缩版
- 显存：12GB ~ 16GB
- 内存：≥16GB
- 存储占用：约 17GB
GGUF 量化版（本文主力部署版本）
由社区开发者优化，提供多档量化精度，画质与显存占用呈梯度变化：
表格
| 量化档位 | 最低显存 | 文件体积 | 画质损耗 |
|---|---|---|---|
| Q2 | 6GB | 约 3.5GB | 画质下降明显 |
| Q4 | 6GB ~ 8GB | 约 6.5GB | 轻微损耗 |
| Q5 | 8GB | 约 8GB | 损耗极低 |
| Q6 | 10GB | 约 10GB | 几乎无损耗 |
| Q8 | 12GB | 约 13GB | 基本无损耗 |
补充实测：6GB 显存设备运行 Q4 版本，512×512 分辨率单图生成耗时数分钟；8GB 显存优先选择 Q5 版本，为综合体验最优方案。RTX 3060、RTX 4060 等主流消费级显卡均可适配 GGUF 量化版。
2. 整体运行环境
- 操作系统：Windows 10 / Windows 11（64 位）
- 运行环境：Python 3.10 及以上
- 显卡：NVIDIA 显卡，支持 CUDA 加速
- 内存：建议≥16GB，推荐 32GB
- 硬盘：可用空间≥20GB
三、主流文生模型横向对比
表格
| 对比维度 | FLUX.1 [dev] | Stable Diffusion 3 | Midjourney v6 | DALL·E 3 |
|---|---|---|---|---|
| 开源属性 | 开放权重（禁止商用） | 开放权重（可商用） | 闭源 | 闭源 |
| 本地部署 | 支持 | 支持 | 不支持（仅云端） | 不支持（仅云端 / API） |
| 参数规模 | 120 亿 | 20 亿 | 未公开 | 未公开 |
| 量化后最低显存 | 6GB（GGUF Q4） | 6GB | 不适用 | 不适用 |
| 提示词理解 | 优秀 | 中等 | 优秀 | 优秀 |
| 图像文字生成 | 较好 | 一般 | 中等 | 中等 |
| 人体 / 肢体渲染 | 较好 | 一般 | 较好 | 一般 |
| 生成速度 | 中等 | 中等 | 云端较快 | 云端较快 |
| 使用费用 | 本地免费 | 本地免费 | 订阅付费 | 按量 / 订阅付费 |
| 画布比例支持 | 全比例兼容 | 支持 | 支持 | 支持 |
| LoRA 扩展 | 生态逐步完善 | 生态成熟 | 不支持自定义扩展 | 不支持自定义扩展 |
| 商用权限 | 禁止商用 | 部分版本可商用 | 支持商用订阅 | 需商用协议 |
参考实测：在复杂构图场景下 FLUX.1 提示词跟随度表现突出；人像皮肤质感方面 Midjourney 略有优势，整体各有侧重。
四、部署前置资源准备
需要提前准备的文件：
- ComfyUI 整合包（内置 Python 环境，免去手动配置）；
- ComfyUI-GGUF 专用插件；
- FLUX.1 GGUF 主模型（根据显存选择对应量化版本）；
- T5-XXL（GGUF 版）文本编码器；
- CLIP-L 模型；
- ae.safetensors（VAE 模型）。
资源统一下载保存地址：https://pan.baidu.com/s/1P63ziOhxvUQqbHZC8OnHaA?pwd=5555 提取码: 5555
五、分步安装与部署教程
步骤 1：部署 ComfyUI 主程序
- 将下载的 ComfyUI 整合包解压，解压路径禁止包含中文、空格、特殊字符，示例路径：
D:\ComfyUI； - 进入解压目录，双击运行
run_nvidia_gpu.bat启动程序； - 命令行窗口出现
Prompt Server started即代表启动成功； - 打开浏览器，访问地址
http://127.0.0.1:8188，进入 ComfyUI 网页端界面。
步骤 2：安装 ComfyUI-GGUF 插件
FLUX.1 GGUF 格式模型需要该插件加载，提供两种安装方式：
方式一：ComfyUI Manager 在线安装（推荐）
- 网页端右上角点击
Manager，选择Custom Nodes Manager； - 搜索框输入
GGUF，找到ComfyUI-GGUF； - 点击 Install 完成安装，安装结束后重启 ComfyUI。
方式二：手动离线安装（网络异常时使用）
- 进入目录
ComfyUI\custom_nodes； - 地址栏输入
cmd唤起命令行，执行拉取命令：
bash
运行
git clone https://github.com/city96/ComfyUI-GGUF- 若无 Git 环境，可下载插件 ZIP 压缩包，直接解压至
custom_nodes文件夹； - 重启 ComfyUI 使插件生效。
步骤 3：分类放置模型文件
按照规则将模型放入对应子目录，目录均位于 ComfyUI 根目录下：
- FLUX.1 GGUF 主模型路径：
models\unet选型参考：6GB 显存选 Q4、8GB 显存选 Q5、12GB 及以上显存选 Q8。 - T5-XXL（GGUF）文本编码器路径：
models\clip建议选择 Q5_K_M 及以上版本，保障文本解析效果。 - CLIP-L 模型（clip_l.safetensors）路径：
models\clip - VAE 模型（ae.safetensors）路径：
models\vae，可重命名为flux_ae.safetensors方便区分。
步骤 4：搭建专属工作流
FLUX.1 不兼容传统 SD 工作流，需新增专用节点：
- 界面空白处双击，搜索并添加Unet Loader (GGUF)，加载已放入的 FLUX.1 主模型；
- 再次双击空白处，添加CLIP Loader (GGUF)，加载 T5-XXL 与 CLIP-L 模型，类型设置为
flux； - 添加VAE 加载器，选中对应的 VAE 模型；
- 补充两个 CLIP Text Encode（Prompt）节点（FLUX.1 不支持反向提示词，但节点必须保留，避免报错）；
- 将各加载器输出端与采样器对应端口依次连接；
快捷方案：可直接导入网络现成的 FLUX.1 GGUF 工作流 JSON 文件，省去手动连线操作。
步骤 5：图像生成测试
- 在提示词输入框填写画面描述，建议描述内容具体、层次清晰；
- 点击界面右下角
Queue Prompt开始生成； - 节点依次变绿代表对应步骤执行中，全部完成后图像自动输出；
- 生成文件默认保存至
ComfyUI\output目录。
六、使用规范与参数建议
- 提示词规则：FLUX.1 不支持反向提示词，无需填写负面描述；内容描述越具体，生成结果越贴合预期；
- 分辨率适配：6GB 低显存设备优先使用 512×512 分辨率，降低显存占用；
- 后台设置：生成过程关闭其他高显存占用软件，避免显存溢出。
七、常见问题排查
问题：启动 / 生成时提示找不到模型排查：核对模型存放目录是否正确，检查文件路径、文件夹名称是否包含中文 / 空格。
问题：节点标红、功能报错排查：确认使用GGUF 专属加载节点，不可混用传统模型节点。
问题：生成速度过慢排查：低显存设备降低图像分辨率，或切换更低档位的量化模型。
问题：不同量化版本画质差异说明：常规场景下 Q4/Q5 版本肉眼差异较小；复杂画面、密集文字场景，高量化版本（Q6/Q8）细节表现更优。
八、补充总结
FLUX.1 GGUF 量化版有效降低了原模型的硬件门槛，让 6GB 及以上消费级显卡可以本地运行。该模型在语义理解、文字生成、人体结构方面相比传统 SD 系列有明显提升。
